Communitygithub.com

TheMattBerman/google-ads-copilot

Google Ads 运营系统,用于搜索词分析、意图映射、浪费支出控制、账户结构决策、跟踪诊断、RSA 生成、预算审查、账户规划和全账户审计。支持实时 API 数据(通过 google-ads-mcp 连接模式)或手动导出(导出模式)。生成供人工审核的草稿操作。

google-ads-copilot 是什么?

Google Ads Copilot 是一个专注于 Google Ads 账户智能运营的 AI 技能系统。它不仅仅是一个数据分析工具,更核心的是将搜索广告视为一种“语言游戏”,通过深度分析搜索词背后的用户意图,构建意图地图,从而精准识别并剔除无效点击,隔离高价值信号。该系统采用“读取 → 草稿 → 应用”的三层架构:通过 MCP 服务器或手动导出的方式读取实时数据,将分析得出的可执行建议(如否定关键词、账户结构调整)撰写成结构化的草稿文档供人类运营者审核,并为未来通过 API 自动执行这些草稿奠定了基础。该技能支持多种平台(如 Claude Code、Cursor),通过一套全面的命令集(如 `/google-ads search-terms`、`/google-ads audit`)覆盖从日常快照到深度审计的各类任务,并利用工作区内存(workspace/ads/)来维护账户上下文和知识积累,确保运营决策的连续性和可追溯性。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/TheMattBerman/google-ads-copilot/tree/HEAD/google-ads

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

Google Ads Copilot

Google Ads 是一个伪装成仪表盘的语言游戏。

大多数账户失败并非因为按钮用错。 它们失败是因为账户混合了不同类型的意图,购买了垃圾好奇心,并将信号隐藏在糟糕的结构中。

本系统就是为了解决这个问题而存在的。

任务

  1. 盘问账户
  2. 构建意图地图
  3. 削减浪费
  4. 隔离信号
  5. 将学习成果转化为结构、文案和预算决策
  6. 保存记忆以便系统持续积累
  7. 将提议的操作暂存为可审查的草稿

架构:读取 → 草稿 → 应用

读取层          →  草稿层        →  应用层 (未来)
通过 MCP 获取实时数据     暂存文档中的提议操作     经过人工批准后的受控回写
  或手动导出              在暂存文档中             经过人工批准后
        ↕                    ↕                      ↕
              工作区内存 (workspace/ads/)
  • 读取: 通过 google-ads-mcp MCP 服务器拉取实时数据(连接模式),或接收手动提供的 CSV/粘贴内容/截图(导出模式)。
  • 草稿: 当分析产生可执行结果时,将具体的提议操作写入 workspace/ads/drafts/ 以供人工审查。
  • 应用: 未来——通过 Google Ads API 写入执行已批准的草稿。

命令

命令目的
/google-ads connect首次设置、健康检查、账户选择(连接模式)
/google-ads daily快速运营商摘要,告知今日重点
/google-ads search-terms发现浪费、信号、信息线索和路由问题
/google-ads intent-map构建/更新账户的意图模型
/google-ads negatives推荐否定关键词,附带范围和风险说明
/google-ads tracking诊断账户是否足够可靠以进行优化
/google-ads structure推荐广告系列/广告组结构调整
/google-ads rsas根据真实查询语言生成/优化 RSA 方向
/google-ads budget基于信号质量的预算/扩缩决策
/google-ads plan规划或重建账户架构
/google-ads audit跨所有主要层进行全运营商审查
/google-ads landing-review诊断着陆页到转化路径(跟踪 vs 用户体验)
/google-ads draft-summary所有待处理草稿的优先级摘要
/google-ads apply执行已批准的草稿(v1:仅限否定关键词和暂停)

数据采集协议

每个技能都需要数据。系统支持两种模式。始终在分析前确定模式。

第 1 步:检测模式

连接模式 — 首选。google-ads-mcp MCP 服务器已配置并可访问。

  • 测试:通过 MCP 调用 list_accessible_customers。如果返回客户 ID,则表示已连接。
  • 数据:通过 MCP 的 search 工具,使用 GAQL 查询拉取实时账户数据。
  • 每个技能的查询模板请参见 data/gaql-recipes.md。

导出模式 — 备选。没有 MCP 服务器,或用户明确提供导出数据。

  • 用户粘贴来自 Google Ads UI 的 CSV、屏幕截图或文本。
  • 每个技能的推荐导出格式请参见 data/export-formats.md。
  • 所有分析依然有效——只是使用静态数据而非实时查询。

第 2 步:识别账户

在连接模式下:

MCP 调用:list_accessible_customers
→ 返回客户 ID 和名称
→ 如果有多个账户,询问用户使用哪个(或者如果已设置,则使用 workspace/ads/account.md)

在导出模式下:

  • 账户上下文来自用户提供的数据
  • 将账户标识存储在 workspace/ads/account.md 中以保持连续性

第 3 步:拉取数据

每个技能都有特定的 GAQL 查询(记录在其自己的 SKILL.md 和 data/gaql-recipes.md 中)。

MCP 调用模式:

工具:search (在 google-ads-mcp MCP 服务器上)
参数:{ "customer_id": "1234567890", "query": "<GAQL 查询>" }

GAQL 说明:

  • 所有 cost_micros 值:1,000,000 = $1.00 — 显示时需转换
  • 日期范围:DURING LAST_7_DAYS、LAST_30_DAYS 或 BETWEEN 'YYYY-MM-DD' AND 'YYYY-MM-DD'
  • 对于大型账户,使用 LIMIT(从 500 开始)
  • 并非所有资源和指标的组合都有效 — 如果查询失败,请查阅 GAQL 参考文档

日期范围回退协议

有些账户是休眠的、稀疏的或季节性的。简单拉取近期数据可能会产生误导——当存在有用历史数据时显示零数据。

回退链(按顺序尝试,直到返回数据):

优先级日期范围GAQL 子句使用场景
第 1 次最近 30 天DURING LAST_30_DAYS默认 — 对活跃账户最相关
第 2 次最近 90 天DURING LAST_90_DAYS30 天返回零或接近零的数据
第 3 次最近 12 个月DURING LAST_12_MONTHS90 天仍然稀疏
第 4 次所有时间(无日期过滤器)账户确实处于休眠状态 — 拉取所有可用历史数据

规则:

  1. 除非操作员指定了范围,否则始终从 LAST_30_DAYS 开始。
  2. 如果第一次查询返回 0 行或总支出 <$5,则自动扩大范围 — 不要不尝试就直接报告“无数据”。
  3. 始终在输出中指出使用的日期范围:“日期范围:最近 30 天”或“日期范围:所有时间(账户自 2023 年第四季度左右处于休眠状态)。”
  4. 如果必须回退,请解释原因:“最近 30 天无活动。回退到所有时间数据以提供历史背景。”
  5. **切勿静默使用非默认的日期范围。**操作员需要知道他们正在查看的数据的新鲜度。
  6. **在比较时间段时,两个时间段都必须有数据。**如果当前时间段为空,请注明“当前无活动”,而不是显示误导性的 -100% 变化。

在技能中的实现: 每个技能的主要查询应使用 DURING LAST_30_DAYS。如果结果集为空或规模极小,则使用 DURING LAST_90_DAYS 重新运行,然后使用无日期过滤器重新运行。在输出标题中记录哪个范围产生了数据。

模式声明

在每次分析开始时,说明当前处于哪种模式:

模式:连接 — 从账户 [名称](ID:XXXXXXXXXX)拉取实时数据

或

模式:导出 — 分析提供的数据。如需实时访问,请配置 google-ads-mcp MCP 服务器(参见 data/mcp-config.md)。


草稿创建协议

当分析产生可执行的结果时,技能会为人工审查编写草稿文档。

何时创建草稿

  • 发现包括具体、可实施的操作(不仅仅是观察结果)
  • 置信度至少为“中等”
  • 该操作具有可衡量的预期影响

何时不创建草稿

  • 发现仅为观察性结果(相反,更新工作区内存)
  • 置信度低且需要更多数据
  • 该操作微不足道,可直接内联提及而无需暂存

草稿机制

  1. 从 drafts/templates/ 中选择正确的模板(negative-draft.md、structure-draft.md、budget-draft.md、rsa-draft.md、tracking-draft.md)
  2. 从 workspace/ads/account.md 派生账户标识符 — 小写、ASCII、连字符连接,最多 2-3 个词;必要时回退到客户 ID
  3. 将草稿写入 workspace/ads/drafts/YYYY-MM-DD-[account-slug]-[type].md
  4. 更新 workspace/ads/drafts/_index.md 中的索引
  5. 如果一次审计运行创建了 2 个或更多草稿,还要将 workspace/ads/drafts/_batch-YYYY-MM-DD-[account-slug].md 写入为该次运行生成的可持久化的审计数据包
  6. 在分析输出中公布草稿:“草稿已创建:workspace/ads/drafts/2026-03-14-east-coast-negatives.md — 针对广告系列 X 的 8 个否定关键词”

草稿质量标准

  • 每个提议的操作必须包含:目标、详细信息、风险、可逆性
  • 证据必须链接回特定数据(查询文本、支出金额、转化次数)
  • 必须说明置信度及其推理依据
  • 必须注明草稿之间的依赖关系
  • ## 审查 检查清单必须包括:已检查证据、已检查附带风险、已检查依赖关系、决策、决策原因、审查人、审查日期、应用日期和备注

上下文接收

在进行深入分析之前,收集或提取:

  1. 商业模式 / 行业
  2. 主要 KPI / 转化目标
  3. 预算范围或预算实际情况
  4. 活跃的广告系列类型
  5. 可用数据:连接模式或导出(搜索词报告、广告系列导出、屏幕截图、跟踪说明)

如果用户已提供上下文,请勿重新询问。 如果 workspace/ads/account.md 和 workspace/ads/goals.md 存在,则加载它们 — 上下文可能已被捕获。

查询访谈视角

始终询问:

  • 用户试图通过此搜索完成什么?
  • 此搜索是倾向于购买、比较、学习、导航还是跳出?
  • 此查询应该与其它查询放在同一个优化范围内吗?
  • 在明显成功的查询中重复出现哪些语言?
  • 在浪费的支出中重复出现哪些语言?
  • 随之而来的结构影响是什么?

工作区内存

使用 workspace/ads/ 作为共享内存。

关键文件:

文件目的
account.md账户标识、客户 ID、业务上下文
goals.mdKPI、目标、成功的定义
intent-map.md搜索意图类别的持久化模型
queries.md值得注意的查询模式和聚类
negatives.md活跃和提议的否定关键词
winners.md表现优异的查询、广告、广告系列
tests.md正在运行和已完成的实验
findings.md战略发现日志
change-log.md更改内容和时间
learnings.md经验教训(为未来决策提供信息)
assets.mdRSA 标题、描述、创意说明
drafts/_index.md带状态的草稿队列
drafts/_summary.md当前优先级的待办事项视图
drafts/_batch-*.md用于多次草稿审计运行的即时审计数据包
drafts/*.md单个草稿操作提案

内存规则

  • 仅加载与任务相关的文件
  • 在适当的情况下保留仅追加的历史记录
  • 当搜索行为发生重大变化时,更新意图地图
  • 记录战略发现,而不仅仅是原始笔记
  • 当分析产生草稿时,始终更新索引

参考文件

按需加载(仅加载与当前技能相关的文件):

  • google-ads/references/operator-thesis.md
  • google-ads/references/intent-map.md
  • google-ads/references/query-patterns.md
  • google-ads/references/negatives-playbook.md
  • google-ads/references/tracking-playbook.md
  • google-ads/references/structure-playbook.md
  • google-ads/references/rsa-playbook.md
  • google-ads/references/budget-playbook.md
  • google-ads/references/deliverable-templates.md
  • google-ads/references/benchmarks.md
  • google-ads/references/landing-page-playbook.md

路由逻辑

connect

当首次连接到在线账户、切换账户或排查 MCP 连接问题时使用。运行设置、客户发现、账户选择和健康检查。如果在连接模式下,workspace/ads/account.md 为空或缺失,则在运行任何其他技能之前运行此命令。 参见 skills/google-ads-connect/SKILL.md。

daily

当用户想要简短的操作员阅读时使用。拉取最近 7 天的表现 + 最近更改。指出今日重点,如果相关,链接到现有草稿。

search-terms

当用户想要知道浪费在哪里泄漏以及意图在哪里出现时使用。拉取搜索词报告(最近 30 天)。在结果值得时,生成否定词草稿和 RSA 草稿。

intent-map

当用户想要对账户的搜索行为进行持久的战略解读时使用。拉取所有搜索词进行聚类。在需要分离意图类别时,生成结构草稿。

negatives

当排除和路由决策是优先事项时使用。拉取现有否定词 + 搜索词。始终生成一个包含特定关键词的否定词草稿。

tracking

当账户可能正在针对错误信号进行优化时使用。拉取转化操作及其表现。在需要修复时,生成跟踪草稿。

structure

当不同的意图混合在一起且账户架构隐藏了含义时使用。拉取广告系列/广告组/关键词结构。为拆分、合并和路由更改生成结构草稿。

rsas

当广告文案应由真实的买家语言提供信息时使用。拉取 RSA 资产表现 + 搜索词。生成包含具体标题和描述的 RSA 草稿。

budget

当决定保护、减少或扩大哪些支出时使用。拉取预算和展示份额数据。为重新分配提案生成预算草稿。

plan

当全新启动或重建时使用。生成一份全面的计划文档(不是草稿——计划是保存到工作区的独立交付物)。

audit

用于广泛的综合分析。运行多个技能的迷你版本。生成一个按优先级排序的草稿批次,涵盖最高杠杆率的更改,并且当创建 2 个或更多草稿时,生成一个供该次运行使用的持久化的 _batch-YYYY-MM-DD-[account-slug].md 审计数据包。

landing-review

当用户说“着陆页没有转化”或想要了解为什么点击没有变成线索/销售时使用。在分支 B(用户体验/路径诊断)之前始终运行分支 A(跟踪诊断)。 区分跟踪失败和页面失败——这是最常被混淆的两个根本原因。生成着陆页审查草稿和/或跟踪修复草稿。使用浏览器/获取功能检查实际的着陆页。

draft-summary

当用户想要审查待处理的草稿、优先应用哪些草稿或了解推荐的实施顺序时使用。读取所有待处理的草稿,按优先级/影响/风险分类,映射依赖关系,并在 workspace/ads/drafts/_summary.md 生成一个按优先级排序的待办事项快照。请勿将 _summary.md 用作审计运行数据包;该角色属于 _batch-*.md。

apply

当用户想要执行已批准的草稿时使用。v1 范围:仅添加否定关键词和暂停关键词/广告组。 显示试运行,需要明确确认,通过 Google Ads API 执行,验证更改,并写入审计追踪。详细信息请参见 APPLY-LAYER.md。

相关技能